China History

能够自我改进的中国历史生成器

三个大语言模型

• 历史学家 — 借助 RAG 流程、图像数据库和自身知识，撰写某地某时的历史，并为插画师编写提示词。
• 插画师 — 负责生成图像的大语言模型，把场景画出来。
• 监督者 — 审查结果并纠正前两者的错误，让下一轮迭代更接近历史真实。

技术亮点

• 基于 LangGraph 的智能体流程 — 用状态图（NestJS + LangChain）编排地理解析、地标识别、针对背景/建筑/服饰的 RAG、提示词构建和图像生成，并为每个阶段做缓存。
• 混合式 RAG，而不只是语义检索 — 我把一本关于中国服饰考古的学术著作索引到 MongoDB Atlas Vector Search 中，但纯向量检索总会返回错误的年代。解决办法是结合结构化过滤（年份、章节、坐标），精确度优先于相似度。
• 600 多件真实考古文物 — 提取并自动分类了数百张照片和线图，每一项都标注了年代、章节和出土地点。
• 多参考图的图像生成 — 系统按类别和地理远近最多挑选 16 张真实参考照片，输入图像编辑模型，并附明确的指令来避免常见错误：把毫不相干的物品混在一起、错配奢侈品、给所有人复制同一件衣服。
• 真实的地理定位 — 集成 CHGIS（哈佛–复旦），按所查询年份所属朝代来解析地名和疆界，而不是用今天的地理。

技术栈

• NestJS
• LangGraph
• LangChain
• MongoDB Atlas
• Anthropic
• OpenAI
• Next.js
• DigitalOcean Spaces